Creando un futuro mejor con IA sostenible 

Hoy en día, la inteligencia artificial (IA) se utiliza ampliamente en múltiples sectores, desde la planificación de entrenamientos hasta la atención al paciente y los vehículos autónomos. Si bien la IA ha demostrado ser muy beneficiosa en eficiencia e innovación, su impacto en la sostenibilidad y factores medioambientales, sociales y de gobernanza (ESG) ha sido un tema crítico que no siempre se aborda adecuadamente. 

Consumo energético de IA ​  

Según el Electric Power Research Institute (firma de investigación sin ánimo de lucro), las búsquedas con IA consumen hasta 10 veces más electricidad que las búsquedas tradicionales en Google. Esto se debe en parte a la necesidad de procesar grandes volúmenes de datos y la alta potencia computacional requerida, especialmente para modelos avanzados como GPT-4 de OpenAI, BERT y Gemini de Google, y Llama de Meta. Estos modelos de lenguaje natural (LLM) pueden necesitar miles de GPU, cuya fabricación y eliminación incrementan las emisiones de carbono. Un estudio de la Universidad de Massachusetts Amherst muestra que el entrenamiento de un modelo de IA puede producir tanto CO2 como cinco automóviles en su vida útil. 

La infraestructura de soporte de IA, como centros de datos y equipos de red, requiere enormes cantidades de energía. De hecho, las emisiones de gases de efecto invernadero de Google en 2023 fueron casi un 48% más altas que en 2019, en gran parte debido a la demanda de energía vinculada a los data center. 

Otro punto interesante a tener en cuenta es la energía consumida por la infraestructura, tanto de hardware como de software, la cual se utiliza para apoyar el procesamiento de la IA. Esto incluye la energía necesaria para mantener, operar y enfriar componentes de infraestructura como centros de datos, servidores y equipos de red. De hecho, las emisiones de gases de efecto invernadero de Google en 2023 fueron casi un 48% más altas que en 2019, en gran parte debido a la demanda de energía vinculada a los data center.

La adopción de herramientas, aplicaciones y servicios de Inteligencia Artificial (IA) en México y en toda América Latina va en aumento, tanto en el sector industrial como entre los usuarios finales. Esto ha llevado a la proyección de demanda de energía para los 73 centros de datos que de acuerdo con la Asociación Mexicana de Centros de Datos (MEXDC) se establecerán en el país en los próximos cinco años aumentando más del triple (230%). Según la Asociación Mexicana de Centros de Datos (MEXDC), se espera que la industria requiera 1.492 megavatios (MW) por hora en los próximos cinco años. Sin embargo, Hitachi Energy cree que esta cifra es «conservadora» y sugiere que la demanda de electricidad podría alcanzar los 5.000 megavatios por hora.

Impacto de la IA en los factores ESG ​ 

Si bien la IA ha tenido un impacto negativo en el medio ambiente, se ha dicho que beneficia a los factores sociales y de gobernanza en el marco de los aspectos ESG, aunque también en este caso existen preocupaciones en relación con los prejuicios raciales y de género. En cuanto a los factores sociales, la IA ha sido útil para mejorar la atención a los pacientes, facilitar el desarrollo de habilidades, proporcionar un mejor acceso a los servicios financieros y mejorar la seguridad mediante sistemas de detección de amenazas.

En México, la regulación de la inteligencia artificial (IA) aún está en proceso, pues aún no existe una ley específica. Es indispensable diseñar políticas que garanticen que los beneficios de la IA sean accesibles para todos los sectores de la población, promoviendo así la equidad y la sustentabilidad ambiental en el desarrollo tecnológico.

Se necesitan prácticas de IA sostenibles ​ 

El 78% de los consejeros delegados consultados en la encuesta 2023 de Gartner afirmaron que los beneficios de la IA superan a los riesgos, pero el creciente número de organizaciones que utilizan la IA, incluida la IA generativa (GenAI), está provocando un aumento de la huella medioambiental de la IA. Las organizaciones deben tener cuidado con el gasto energético de la IA y tomar medidas para mitigar su impacto negativo en el medio ambiente.

El uso de hardware especializado en IA es otra vía a explorar. Los chips capaces de procesar modelos de IA con mayor eficiencia y velocidad, reduciendo al mismo tiempo de forma significativa la energía necesaria para los cálculos de IA, pueden ayudar a garantizar la sostenibilidad de las operaciones de IA. Algunos ejemplos son la nueva generación de GPU de NVIDIA, las unidades de procesamiento tensorial de Google y el recientemente anunciado Trainium2 de Amazon. 

El siguiente paso sería pasar a fuentes de energía renovables, es decir, alimentar los modelos de IA con fuentes de energía renovables o intentar alojar las operaciones en un centro de datos que funcione con una fuente de energía renovable. ​ 

En general, las organizaciones deben tener en cuenta cómo afectará el uso de modelos de IA a sus objetivos ESG. Es necesario que tomen decisiones digitales informadas y participen en asociaciones que den prioridad a la IA sostenible. Además, deben educar a sus inversores y empleados y aumentar la concienciación sobre la necesidad de una IA sostenible.